Para que serve o R

• Análise estatística

  sociolinguística e psicolinguística

  
  

• Busca de dados em corpus

  sociolinguística (cf. material da Profa. Livia Oushiro/UNICAMP)

  
  

• Visualização gráfica de dados

  sociolinguística e psicolinguística

Como baixar e usar o R

• Para fazer buscas na internet, usem a notação [R]

• Baixe o programa em https://www.r-project.org/

• 

Como baixar o R

Como baixar o R

Como funciona o R

Como baixar o RStudio

• Baixe a interface em https://www.rstudio.com/

• 

Abrindo o Rstudio

Criando uma nova sessão

Criando comentários

Salvando seu script

Salvando seu script em .R

Vamos abrir um script existente

Arquivo do workshop de hoje

Como o R funciona?

Vejamos na prática

Linhas de comando

2+2

## [1] 4

Linhas de comando

3+4

## [1] 7

Linhas de comando

sqrt(4)

## [1] 2

Linhas de comando

sqrt(81)

## [1] 9

Linhas de comando

567+876

## [1] 1443

54*34

## [1] 1836

28-98

## [1] -70

sqrt(121)

## [1] 11

Importando conjunto de dados

Vamos carregar os pacotes que iremos usar nesse curso com a função library()

library(readxl)  #readxl permite ler tabelas em .txt e .xls
library(ggplot2) #permite gerar gráficos a partir de um conjunto de dados

Esses conjuntos já foram previamente instalados com a função install.packages()

Importando conjunto de dados

Definindo área de trabalho

session (ou seção) >> set working directory >> choose directory

Criando o conjunto de dados no seu script

Dizer ao R que conjunto daquela pasta ele deve ler e que nome ele receberá

nome do conjunto = read.table(“Nome do arquivo.txt”, header = TRUE)

data = read.table("DadosWorkshop.txt", header = TRUE)

Importando o conjunto de dados

Explorando o conjunto de dados

Clique no conjunto recém-criado na área ENVIRONMENT

Por que fazer gráficos?

Ajuda-nos a ver a relação entre uma variável RESPOSTA e uma variável PREDITORA

Por que fazer gráficos?

• Qual a relação entre sexo e altura?
  • variável categórica e contínua

  
  

• Qual a relação entre comprimento de cabelo e quantidade de shampoo necessária?
  • variáveis contínuas

  
  

• Qual a relação entre formalidade e marcação de plural em português brasileiro?
  • variáveis categóricas

Como fazer gráficos no R?

• ggplot2: pacote de visualização gráfica de dados

  
  

• Baseado no livro Grammar of Graphics (Leland Wilkinson)

  
  

• Um gráfico é como se fosse uma frase de uma língua, e cada elemento do gráfico é uma palavra

Como fazer gráficos no R?

• Comando principal: ggplot()

  
  

• Indicamos em ggplot() a nossa variável PREDITORA e nossa variável RESPOSTA

  
  

• Todos os gráficos são gerados através do comando

  ggplot(dados, aes(x=PREDITORA, y=RESPOSTA))

Será que a idade prevê o peso da pessoa?

ggplot(dados, aes(x=PREDITORA, y=RESPOSTA))

Será que a idade prevê o peso da pessoa?

ggplot(dados, aes(x=PREDITORA, y=RESPOSTA))

ggplot(data, aes(x=idade, y=peso))

OPS!!

ggplot(data, aes(x=idade, y=peso))

Precisamos informar que tipo de gráfico queremos

ggplot(data, aes(x=idade, y=peso))+
  geom_point()

Precisamos informar que tipo de gráfico queremos

ggplot(data, aes(x=idade, y=peso))+
  geom_point()

Vamos aumentar as bolinhas?

ggplot(data, aes(x=idade, y=peso))+
  geom_point()

Vamos aumentar as bolinhas?

ggplot(data, aes(x=idade, y=peso))+
  geom_point(size=4)

Vamos aumentar as bolinhas?

ggplot(data, aes(x=idade, y=peso))+
  geom_point(size=4)

Será que homens e mulheres tem pesos diferentes?

ggplot(data, aes(x=idade, y=peso))+
  geom_point(size=4)

Será que homens e mulheres tem pesos diferentes?

ggplot(data, aes(x=idade, y=peso))+
  geom_point(size=4)

ggplot(data, aes(x=idade, y=peso))+
  geom_point(size=4, aes(colour=sexo))

Será que homens e mulheres tem pesos diferentes?

ggplot(data, aes(x=idade, y=peso))+
  geom_point(size=4, aes(colour=sexo))

Vamos mudar as legendas do gráfico?

ggplot(data, aes(x=idade, y=peso))+
  geom_point(size=4, aes(colour=sexo))+
  labs(x="Idade (anos)", y="Peso (Kg)", colour="Gênero")

Vamos mudar as legendas do gráfico?

ggplot(data, aes(x=idade, y=peso))+
  geom_point(size=4, aes(colour=sexo))+
  labs(x="Idade (anos)", y="Peso (Kg)", colour="Gênero")

Será que as horas de atividade física indicam as horas de sono da pessoa?

• ggplot(dados, aes(x=PREDITORA, y=RESPOSTA)) +
• geom_point(size=4) +
• labs(x=“Nome eixo x”, y = “Nome eixo y”)

Será que as horas de atividade física indicam as horas de sono da pessoa?

ggplot(data, aes(x=atividadehora, y=sono))+
      geom_point(size=4)+
      labs(x="Horas de atividade física por semana", y="Horas de sono por dia")

Será que as horas de atividade física indicam as horas de sono da pessoa?

ggplot(data, aes(x=atividadehora, y=sono))+
      geom_point(size=4)+
      labs(x="Horas de atividade física por semana", y="Horas de sono por dia")

Como podemos enxergar o que está sobreposto?

ggplot(data, aes(x=atividadehora, y=sono))+
      geom_point(size=4)+
      labs(x="Horas de atividade física por semana", y="Horas de sono por dia")

Como podemos enxergar o que está sobreposto?

ggplot(data, aes(x=atividadehora, y=sono))+
      geom_point(size=4, alpha=0.2)+
      labs(x="Horas de atividade física por semana", y="Horas de sono por dia")

Como podemos enxergar o que está sobreposto?

ggplot(data, aes(x=atividadehora, y=sono))+
      geom_point(size=4, alpha=0.2)+
      labs(x="Horas de atividade física por semana", y="Horas de sono por dia")

Vamos ver o primeiro gráfico que fizemos

Vamos ver o primeiro gráfico que fizemos?

ggplot(data, aes(x=idade, y=peso))+
  geom_point(size=4, alpha=0.3, aes(colour=sexo))+
  labs(x="Idade (anos)", y="Peso (Kg)", colour="Gênero")

Tente fazer sozinho 1

• Será que a altura indica o tamanho do pé da pessoa? (dê o nome de “Altura (cm)” para o eixo x e “Tamanho do calçado” para o eixo y)
• Será que o pessoal da Unicamp é mais alto ou mais baixo que da UFRN?

Tente fazer sozinho 1

Tente fazer sozinho 1

ggplot(data, aes(x=altura, y=pe))+
      geom_point(size=4, alpha=0.3, aes(colour=instituicao))+
      labs(x="Altura (cm)", y="Tamanho do calçado")

Tente fazer sozinho 2

• Será que a altura de uma pessoa prevê o seu peso?
• E a variável sexo influencia essa predição?
• não se esqueça de nomear os eixos x e y

Tente fazer sozinho 2

Tente fazer sozinho 2

ggplot(data, aes(x=altura, y=peso))+
      geom_point(size=4, alpha=0.3, aes(colour=sexo))+
      labs(x="Altura (cm)", y="Peso (Kg)")

Nos estudos da linguagem, que tipo de questões envolvem duas variáveis contínuas?

• Porcentagem de realização de variável x Idade

  
  

• Memória de trabalho x Score em testes

  
  

• Horas de estudo x Score em testes

Quantas pessoas de cada instituição responderam ao nosso questionário?

ggplot(dados, aes(x=PREDITORA, y=RESPOSTA))

ggplot(data, aes(x=instituicao, y=?))

Quantas pessoas de cada instituição responderam ao nosso questionário?

ggplot(dados, aes(x=PREDITORA, y=?))

ggplot(data, aes(x=instituicao, y=..count..))

OPS!!

Quantas pessoas de cada instituição responderam ao nosso questionário?

Precisamos especificar que gráfico queremos

Quantas pessoas de cada instituição responderam ao nosso questionário?

Precisamos especificar que gráfico queremos

ggplot(data, aes(x=instituicao, y=..count..))+
  geom_bar()

Quantas pessoas de cada instituição responderam ao nosso questionário?

Precisamos especificar que gráfico queremos

ggplot(data, aes(x=instituicao, y=..count..))+
  geom_bar()

Vamos colocar legenda?

ggplot(data, aes(x=instituicao, y=..count..))+
  geom_bar()+

Vamos colocar legenda?

ggplot(data, aes(x=instituicao, y=..count..))+
  geom_bar()+
  labs(x="Instituição", y="Quantidade")

Vamos colocar legenda?

ggplot(data, aes(x=instituicao, y=..count..))+
  geom_bar()+
  labs(x="Instituição", y="Quantidade")

Quantas pessoas de cada sexo responderam ao nosso questionário?

ggplot(data, aes(x=instituicao, y=..count..))+
  geom_bar()+
  labs(x="Instituição", y="Quantidade")

ggplot(data, aes(x=sexo, y=..count..))+
  geom_bar()+
  labs(x="Sexo", y="Quantidade")

Quantas pessoas de cada sexo responderam ao nosso questionário?

ggplot(data, aes(x=sexo, y=..count..))+
  geom_bar()+
  labs(x="Sexo", y="Quantidade")

Tente fazer sozinho 3

• Nossos entrevistados preferem filme ou série? (não se esqueça de legendar os eixos x e y)

Tente fazer sozinho 3

Tente fazer sozinho 3

Nossos entrevistados preferem filme ou série? (não se esqueça de legendar os eixos x e y)

ggplot(data, aes(x=assistir, y=..count..))+
  geom_bar()+
  labs(x="Preferência por Filme ou Série", y="Quantidade")

Tente fazer sozinho 4

Nossos entrevistados preferem gatos ou cachorros? (não se esqueça de legendar os eixos x e y)

Tente fazer sozinho 4

Nossos entrevistados preferem gatos ou cachorros? (não se esqueça de legendar os eixos x e y)

ggplot(data, aes(x=animal, y=..count..))+
  geom_bar()+
  labs(x="Preferência por Gato ou Cachorro", y="Quantidade")

Nos estudos da linguagem, que tipo de questões envolvem uma variável categórica?

• Uso de duas (ou mais) variantes de uma variável linguística (e.g, nós x a gente)

  
  

• Motivação da sala após sequência didática específica (também podemos medir continuamente)

  
  

• Testes de compreensão (e.g., “vi a vizinha do minha irmã que ganhou na loteria” Quem ganhou na loteria?)

Nos estudos da linguagem, que tipo de questões envolvem uma variável categórica?

• Uso de duas (ou mais) variantes de uma variável linguística (e.g, nós x a gente)

  
  

• Você consegue pensar em situações que influenciem o uso de “nós” ou “a gente”

Gráfico de barras com 2 variáveis - comparando grupos

• Será que a instituição onde a pessoa trabalha/estuda prevê se ela fala bolacha ou biscoito?

  
  

• Primeiro precisamos saber quantas pessoas são da Unicamp ou UFRN

Gráfico de barras com 2 variáveis - comparando grupos

ggplot(data, aes(x=instituicao, y=..count..))+
          geom_bar()+
          labs(x="Instituição", y="Quantidade de pessoas")

Gráfico de barras com 2 variáveis - comparando grupos

Precisamos indicar, nas barras, a distribuição de quem fala bolacha ou biscoito por instituição

ggplot(data, aes(x=instituicao, y=..count..))+
          geom_bar()+
          labs(x="Instituição", y="Quantidade de pessoas")

Gráfico de barras com 2 variáveis - comparando grupos

Precisamos indicar, nas barras, a distribuição de quem fala bolacha ou biscoito por instituição

ggplot(data, aes(x=instituicao, y=..count..))+
          geom_bar(aes(fill=dialeto))+
          labs(x="Instituição", y="Quantidade de pessoas")

Gráfico de barras com 2 variáveis - comparando grupos

ggplot(data, aes(x=instituicao, y=..count..))+
          geom_bar(aes(fill=dialeto))+
          labs(x="Instituição", y="Quantidade de pessoas")

Gráfico de barras com 2 variáveis - comparando grupos

Será que sexo prevê se a pessoa prefere gato ou cachorro?

Gráfico de barras com 2 variáveis - comparando grupos

Primeiro precisamos saber quantas pessoas de cada sexo temos.

Gráfico de barras com 2 variáveis - comparando grupos

ggplot(data, aes(x=sexo, y=..count..))+
          geom_bar()+
          labs(x="Sexo", y="Quantidade de pessoas")

Gráfico de barras com 2 variáveis - comparando grupos

Precisamos indicar, nas barras, a distribuição de quem prefere cachorro ou gato

Gráfico de barras com 2 variáveis - comparando grupos

Precisamos indicar, nas barras, a distribuição de quem prefere cachorro ou gato

ggplot(data, aes(x=sexo, y=..count..))+
          geom_bar(aes(fill=animal))+
          labs(x="Sexo", y="Quantidade de pessoas")

Gráfico de barras com 2 variáveis - comparando grupos

ggplot(data, aes(x=sexo, y=..count..))+
          geom_bar(aes(fill=animal))+
          labs(x="Sexo", y="Quantidade de pessoas")

Tente fazer sozinho 5

Será que sexo prevê se a pessoa prefere filme ou série?

Tente fazer sozinho 5

Tente fazer sozinho 5

Será que sexo prevê se a pessoa prefere filme ou série?

ggplot(data, aes(x=sexo, y=..count..))+
          geom_bar(aes(fill=assistir))+
          labs(x="Sexo", y="Quantidade de pessoas")

Tente fazer sozinho 6

Será que o local onde a pessoa mora prevê se ela faz exercício físico?

Tente fazer sozinho 6

Tente fazer sozinho 6

Será que o local onde a pessoa mora prevê se ela faz exercício físico?

ggplot(data, aes(x=instituicao, y=..count..))+
          geom_bar(aes(fill=atividade))+
          labs(x="Instituição", y="Quantidade de pessoas")

E podemos editar mais o gráfico?

• A sintaxe da função é como a sintaxe de uma língua

  
  

• Cada elemento que inserimos é como uma palavra

  
  

• Podemos inserir novas palavras indefinidamente

O que mais podemos fazer?

• Mudar o fundo

  
  

• Mostrar porcentagens

  
  

• Gráficos de linhas, histogramas, boxplots, barras circulares etc.

  
  

• Gráficos interativos

  
  

• Portifólio: http://www.r-graph-gallery.com/portfolio/ggplot2-package/

Exemplo

Quero mudar as cores do gráfico e o título da legenda

ggplot(data, aes(x=instituicao, y=..count..))+
          geom_bar(aes(fill=atividade))+
          scale_fill_manual("Faz atividade física?", values = c("nao" = "light blue", "sim" = "#2b8cbe"), labels=c("Não", "Sim"))+
  scale_x_discrete(labels=c("UFRN" = "Natal", "Unicamp" = "Campinas"))+
          labs(x="Cidade", y="Quantidade de pessoas")

Exemplo

Quero mudar a cor do fundo

ggplot(data, aes(x=instituicao, y=..count..))+
          geom_bar(aes(fill=atividade))+
          scale_fill_manual("Faz atividade física?", values = c("nao" = "light blue", "sim" = "#2b8cbe"), labels=c("Não", "Sim"))+
  scale_x_discrete(labels=c("UFRN" = "UFRN", "Unicamp" = "Unicamp"))+
          labs(x="Cidade", y="Quantidade de pessoas")+
          theme_bw()

Exemplo

Quero colocar um contorno preto nas barras

ggplot(data, aes(x=instituicao, y=..count..))+
          geom_bar(color="black", aes(fill=atividade))+
          scale_fill_manual("Faz atividade física?", values = c("nao" = "light blue", "sim" = "#2b8cbe"), labels=c("Não", "Sim"))+
  scale_x_discrete(labels=c("UFRN" = "UFRN", "Unicamp" = "Unicamp"))+
          labs(x="Cidade", y="Quantidade de pessoas")+
          theme_bw()

Entendendo o conjunto de dados

• O arquivo concordancia.txt tem um pequeno conjunto de dados inventados cuja criação foi baseada nas hipóteses que assumimos sobre a relação entre produção de concordância de número no sintagma nominal e grau de formalidade do discurso

  
  

• A hipótese geralmente assumida é a de que o contexto formal aumenta a taxa de concordância no sintagma nominal

Para fazer o gráfico

• Importe o arquivo
  • nome = read.table("nome_do_arquivo.txt", header = TRUE)

  
  

• Explore as colunas
  • qual a coluna da variável preditora?
  • qual a coluna da variável resposta?

  
  

• Faça um gráfico considerando
  • o que colocar nos eixos x e y
  • que tipo de gráfico você terá (dispersão ou barras?)
  • que tipo de informação você quer mostrar
  • Legendas apropriadas para eixos x e y

Resposta Projeto 1

Resposta Projeto 1

dados.projeto1 = read.table("concordancia.txt", header = TRUE)

Resposta Projeto 1

ggplot(dados.projeto1, aes(x=contexto, y=..count..))+
          geom_bar(aes(fill=concordancia))+
          labs(x="Contexto de enunciação", y="Ocorrência de concordância no SN")+
          theme_bw()

Entendendo o conjunto de dados

• O arquivo iwish.txt tem um pequeno conjunto de dados inventados cuja criação foi baseada nas hipóteses que assumimos sobre a relação entre memória de trabalho e proficiência de leitura

  
  

• A hipótese é de que memória de trabalho prevê proficiência de leitura, e questiona-se se o modo de apresentação teria algum efeito nessa suposta previsão

Para fazer o gráfico

• Importe o arquivo
  • nome = read.table("nome_do_arquivo.txt", header = TRUE)

  
  

• Explore as colunas
  • qual a coluna da variável preditora?
  • qual a coluna da variável resposta?

  
  

• Faça um gráfico considerando
  • o que colocar nos eixos x e y
  • que tipo de gráfico você terá (dispersão ou barras?)
  • que tipo de informação você quer mostrar
  • Legendas apropriadas para eixos x e y

Resposta Projeto 2

Resposta Projeto 2

dados.projeto2 = read.table("iwish.txt", header = TRUE)

Resposta Projeto 2

ggplot(dados.projeto2, aes(x=pontuacao.memoria, y=pontuacao.leitura))+
          geom_point(size = 4, alpha = 0.3, aes(colour=modo.apresentacao))+
          labs(x="Pontuação em teste de memória de trabalho", y="Pontuação em teste de leitura")+
          theme_bw()